基于PCA-AWOCSVM的冷水机组故障检测方法

摘要

针对一类支持向量机(One-class Support Vector Machine,OCSVM)对训练样本中离群点敏感问题,提出一种基于距离权重和局部密度权重的附加权重一类支持向量机模型(Additional Weighted One-class Support Vector Machine,AWOCSVM).该方法利用训练样本点之间的欧氏距离挖掘自身包含的信息,在模型训练时给每个样本赋予附加权重,在主元分析(PCA)对样本数据降维的基础上,构建出冷水机组正常运行的单分类超平面,并构造D和T2统计量进行故障检测.通过离心式冷水机组故障模拟数据验证表明,基于PCA-AWOCSVM的故障检测方法提高了模型的鲁棒性,可以有效降低制冷系统故障检测的漏报率.